OpenAI同日推出GPT‑Live‑1与Agents API：以全双工语音和Codex运行时切入电话与生产级智能体
· 来源：openai.com
OpenAI于2026年9月10日发布GPT‑Live‑1 API和处于公开测试阶段的Agents API，分别补足自然实时语音交互与长时任务运行底座，试图降低企业部署可打断、能调用工具并可持续运行的业务代理的门槛。
OpenAI于2026年9月10日同步推出GPT‑Live‑1 API与Agents API：前者将ChatGPT中的全双工语音能力开放给开发者，后者则把支撑Codex和ChatGPT Work的智能体编排与托管基础设施产品化。两项服务分别瞄准电话交互入口和复杂生产工作流，指向同一个目标——让模型不仅能够自然说话，还能在对话中调度工具、处理长任务并在真实业务环境中稳定运行。
GPT‑Live‑1的核心是以单一模型同时处理输入与输出音频，能够一边听、一边说，并对用户插话、停顿、笑声或改变话题作出即时反应。OpenAI称，这避免了传统“语音识别—语言模型—语音合成”级联架构多次交接带来的延迟和上下文断裂。该模型还原生提供语音转写和回复文本，支持字母数字理解、关键词偏置及回合检测；在嘈杂环境、沉默片段和长时会话中，目标是减少无谓打断并维持上下文。
在更复杂的任务上，GPT‑Live‑1并不承担全部推理与执行，而是可把深度推理和工具调用委托给后端文本模型，例如GPT‑6 Astra或第三方模型。开发者仍可决定所接入的模型、工具及智能体框架，并通过系统提示词调整语调、语速和交流风格。这种分层设计意味着语音模型可保持低延迟的前台互动，后台则处理预约、订单更新、客户问题研判等耗时操作；OpenAI也将电话场景列为重点用途，包括餐厅预订和客服。
OpenAI披露，在其评测中，GPT‑Live‑1在Full Duplex Bench上较GPT‑Realtime‑2.1提升30个百分点；与中等推理强度的GPT‑6 Astra结合后，在衡量端到端语音代理任务的Tau3评测中排名第一。语言学习公司Speak的早期测试则称，新模型相比此前的回合式系统将不必要打断减少近80%。不过，这些均为OpenAI及早期合作方披露的结果，跨行业的大规模生产效果仍取决于电话线路质量、业务工具可靠性、提示与权限设计等因素。
与此同时，公开测试中的Agents API将Codex所用的“harness”——即上下文管理、工具使用、子智能体协调及恢复机制——连同云端运行环境交给OpenAI托管。开发者可通过一次API调用指定任务、模型、工具和环境；智能体可接入MCP服务器、在托管工作区读写文件和运行代码，并保存中间结果。API还支持并行子智能体、持久会话与可恢复执行，面向可能持续数小时乃至数天的研发、运营和物流类任务。
这与OpenAI现有Agents SDK形成分工。SDK提供智能体、交接、护栏、会话和追踪等较轻量的开发原语，适合希望自行控制编排的团队；Agents API则进一步提供托管的运行时和环境。对企业而言，真正的难点也从“是否能调用模型”转向权限边界、人工审批、观测与审计、失败恢复以及单位任务成本。GPT‑Live‑1提供自然的实时入口，Agents API负责后台执行与编排；两者能否拼成可靠的电话和生产工作流代理，仍有赖于开发者对业务系统和风险控制的工程化整合。
—— 综合整理自：OpenAI《Build more natural voice experiences with GPT‑Live‑1 in the API》、OpenAI《Introducing the Agents API》、OpenAI Agents SDK文档